王國宏

摘 要：人身保險核保理賠問題是目前中國國內(nèi)保險行業(yè)繼續(xù)解決的一個問題。隨著計算機領(lǐng)域技術(shù)的不斷開發(fā)與運用，大數(shù)據(jù)逐漸應(yīng)用于保險行業(yè)。利用大數(shù)據(jù)搭建后臺數(shù)據(jù)庫，建立人身保險核保理賠模型，解決人身保險理賠問題，進一步完善保險行業(yè)的外部環(huán)境，促進保險市場發(fā)展。大數(shù)據(jù)建模技術(shù)應(yīng)用于人身保險理賠領(lǐng)域，對于促進我國保險產(chǎn)業(yè)的發(fā)展具有非常重要的意義。

關(guān)鍵詞：大數(shù)據(jù)建模;人身保險;核保理賠;保險市場

大數(shù)據(jù)時代的來臨，使保險行業(yè)迎來了新的生命力。大數(shù)據(jù)建模技術(shù)使得保險公司能夠更好地進行風險規(guī)避，保險行業(yè)的后臺數(shù)據(jù)庫中存有完善的用戶個人信息，利用大數(shù)據(jù)建模技術(shù)將用戶信息進行分析，從而篩選更優(yōu)化的解決方案，從而提高人身核保理賠效率，為保險公司創(chuàng)造更大的利潤價值。

一、人身保險核保理賠中大數(shù)據(jù)應(yīng)用先天優(yōu)勢

再過去的保險行業(yè)作過程中，保險行業(yè)需要將保單分批保存，即使計算機普及后，對于投保人的核保理賠過程也是相當復(fù)雜，無法在較快時問內(nèi)完成數(shù)據(jù)的調(diào)出，而核保和理賠每天都在發(fā)生，保險公司的資金輸入輸出最主要就是通過這兩個過程來完成，而大數(shù)據(jù)的應(yīng)用將投保人信息模型建立在計算機內(nèi)部的存儲系統(tǒng)中，通過面向?qū)ο蟮倪^程，將信息以人為單位模型進行結(jié)構(gòu)化保存，通過將部分信息進行外部共享，是保險公司的其他部門可以接觸到更龐大的信息，極大地簡化了人身保險核保理賠的全過程。

人身保險核保理賠目前已經(jīng)在進行不斷地運用大數(shù)據(jù)進行開發(fā)，不斷優(yōu)化內(nèi)部存儲結(jié)構(gòu)，開發(fā)內(nèi)外數(shù)據(jù)互通技術(shù)，將保單管理與經(jīng)營管理分開進行。例如：人身保險核保理賠相關(guān)后臺技術(shù)部門通過內(nèi)外數(shù)據(jù)互通，在銷售過程、理賠過程、核保過程等幾項較為關(guān)鍵的過程中運用大數(shù)據(jù)建立有效的規(guī)劃模型，提升投保決策團隊的科學選擇性，幫助客戶選擇合適的保險進行投保，通過大數(shù)據(jù)模型，科學地進行風險規(guī)避，為公司贏得更大的利潤與業(yè)界的競爭力，通過后臺對于數(shù)據(jù)的維護與更新，進行實時監(jiān)控市場信息，根據(jù)最新數(shù)據(jù)進行商業(yè)計劃調(diào)整。通過大數(shù)據(jù)建模技術(shù)，將理賠過程中的受理、勘察、判定、損失鑒定以最快的速度上傳公司共享數(shù)據(jù)界面，以便核保部門做到快速、準確、合理處理，充分做到讓客戶滿意。

通過對客戶的信息進行對象模型建立，以及建立的數(shù)據(jù)共享平臺，上傳后臺數(shù)據(jù)庫作為公司共享信息，以便在未來客戶進行保險更新，根據(jù)客戶的相關(guān)信息推薦公司內(nèi)其他保險，擴大公司收益。

二、大數(shù)據(jù)提升核保理賠效率

在核保和理賠過程中，保險公司付出的最大成本點是人工成本，國內(nèi)保險公司通常采用“免體檢與收樣檢測”的核保方式。例如：國內(nèi)常見的健康保險，保險公司為了進行有效的風險規(guī)避，通常采用體檢和人工核保兩種方式，但是人工核保方式的成本費用相對于體檢的較高。國內(nèi)多數(shù)人壽保險公司通常對被保險人的年齡、健康狀況、保額、被保險人保險等級等因素的判斷，確定客戶是否需要進行體檢，而這種傳統(tǒng)的核保方式通常伴隨著保險公司派去客戶方的核保人的主觀判斷，在一定情況下不能夠從多方面進行客觀了解情況，不能做到有效風險規(guī)避，而體檢的身體狀況在正常范圍之內(nèi)的情況居多，體檢義耗費部分費用。這使得保險公司的支出增大。大數(shù)據(jù)建模技術(shù)在核保過程中的應(yīng)用使得保險公司對于投保單進行核保規(guī)則校驗后，運用自動核保預(yù)測模型評分、出險預(yù)測評分、拒保預(yù)測評分、非標預(yù)測評分等多個評分標準，對客戶判斷，通過建立健康保險預(yù)測模型，精確防范風險，提高客戶的滿意度以及客戶的體驗，為保險公司節(jié)約資金。

國內(nèi)不少走在大數(shù)據(jù)建模技術(shù)應(yīng)用前列的保險公司，對于風險預(yù)測有一套完備的體系，這些公司的后臺數(shù)據(jù)庫中存有大量的客戶信息，計算機算法對所涉及的客戶信息進行處理與建模，形成公司內(nèi)獨有的出險預(yù)測模型，拒保預(yù)測模型，非標預(yù)測模型等多種模型，在對新客戶進行核保的初期階段有效提高核保效率，通過將與客戶投保有關(guān)的一系列附帶信息進行關(guān)聯(lián)，建立以客戶為中心的數(shù)據(jù)庫，再將其與公司共享數(shù)據(jù)相連，建立有效的風險預(yù)測機制。

通過將客戶保單信息錄入的方法，形成規(guī)模龐大的數(shù)據(jù)累積，將數(shù)據(jù)進行一體化建設(shè)，通過運用后臺數(shù)據(jù)進行不斷的模型測試，建立有效、可行、可信、高效率的大數(shù)據(jù)模型，提高核保理賠效率。

三、大數(shù)據(jù)應(yīng)用優(yōu)化模型算法

通過大數(shù)據(jù)技術(shù)，可以有效地進行模型自主學習，將新客戶自動融入模型數(shù)據(jù)庫中，提高判斷準確性。

例如：通常的模型算法，主要通過對于客戶個人進行分析，根據(jù)之前數(shù)據(jù)庫中存在的數(shù)據(jù)處理所得到的信息，將客戶回歸于已存在模型，進行判斷，這種算法對于保險公司的工作人員是非常實用的，易于工作人員進行判斷與理解。但是經(jīng)濟與人民生活水平的提高，使得影響人身健康的因素增多，傳統(tǒng)的算法以及后臺模型已經(jīng)不適用。但是基于大數(shù)據(jù)而誕生的以Python和JavaScript為主的人工智能學習模型的誕生，使得新模型的預(yù)測效果得到大幅度改善，通過建立決策樹以及后臺神經(jīng)網(wǎng)絡(luò)、支持向量機隨機森林，使得核保理賠過程能夠有效檢測出模型因子之間復(fù)雜的結(jié)構(gòu)關(guān)系，而且具有較高的模型算法穩(wěn)定性。中國國內(nèi)大多數(shù)保險公司對于核保理賠信息量積累的較少，盲目采取大數(shù)據(jù)建模技術(shù)可能會造成過度擬合現(xiàn)象，模型的邏輯結(jié)構(gòu)相對于第一種算法來說，較為復(fù)雜，難以植入公司的系統(tǒng)。應(yīng)當在積累足夠模型機判斷的數(shù)據(jù)后，再采用大數(shù)據(jù)模型技術(shù)。絕大多數(shù)保險公司采用的還是接受程度較高的廣義線性模型，這是一種回歸模型的優(yōu)化版，通過函數(shù)之間的數(shù)據(jù)互通，將白變量的預(yù)估與因變量的預(yù)估相連，通過其靈活性，提高模型的可操作性。對于人身保險核保理賠過程則義衍生出廣義相加模型，通過大數(shù)據(jù)技術(shù)，進一步優(yōu)化白變量與因變量之問的關(guān)系，使得該模型能夠?qū)﹄x散型變量進行操作，提高核保理賠過程中模型的應(yīng)用性。 四、運用大數(shù)據(jù)進行人身保險建模

人身保險核保理賠模型的建立，是針對客戶與后臺數(shù)據(jù)的復(fù)雜的分析過程，其中涉及對大數(shù)據(jù)分析的應(yīng)用。例如：在進行核保模型建立時，需要提前建立模擬數(shù)據(jù)庫，以便進行模型測試。通過核保人進行經(jīng)驗介紹，將現(xiàn)有數(shù)據(jù)中關(guān)鍵的白變量信息進行篩選，通過核保人與算法程序員的密切配合，提高模型機在運行過程的效果與交互程度，通過在模擬數(shù)據(jù)庫中進行實驗，判斷模型的可用性與合理性。在模型建立的過程中，要時刻考慮到未知因素對于模型判斷的影響。通過對數(shù)據(jù)庫中已存在信息類型進行匯總?cè)ブ氐确绞?，人工添加未知因素，充分測試模型的可行性和特殊性。通過對于保單上的婚嫻狀況、年收入、主險級別、保險期限、機構(gòu)等級、是否附加意外傷害、是否附加住院津貼等信息的錄入，提高大數(shù)據(jù)模型的預(yù)估普遍性。

通過加強部門之間溝通，共享保險經(jīng)驗，彼此之間形成相互依賴的關(guān)系，建立大數(shù)據(jù)下的核保與理賠模型對于核保理賠質(zhì)量有著重大的意義。 五、總結(jié)

當前大數(shù)據(jù)的背景下，人身保險的保險公司在未來開發(fā)的潛力還很大，不斷地積累數(shù)據(jù)，建立保險公司針對自己產(chǎn)品的數(shù)據(jù)平臺，對大數(shù)據(jù)模型進行測評，更好地適應(yīng)保險市場的需求變化。利用人工智能，將人工輸入變成計算機主動學習，節(jié)省出更多的時間，提高單位時問內(nèi)核保與理賠的效率。不斷優(yōu)化大數(shù)據(jù)模型算法，從而滿足客戶的投保需求，讓大數(shù)據(jù)模型為公司贏得更好的市場競爭力。

參考文獻：

[1]楊拯，鞠芳.大數(shù)據(jù)建模技術(shù)在人身保險反欺詐領(lǐng)域的應(yīng)用路徑探析[J].上海保險，2017（3）：34-38.

[2]孫蘊潔，劉甲子.淺談如何利用大數(shù)據(jù)提升人身險公司自動核保效率[J].上海保險，2016（11）：31-33，共3頁.

[3]劉洋.利用大數(shù)據(jù)提升AC壽險公司核保能力的研究[D].北京：對外經(jīng)濟貿(mào)易大學，2017.